如何正确绘制含零值与DateTimeIndex的Pandas Series？

需求说明 #

有一个以DateTimeIndex为索引的Pandas Series，其中包含大量零值，仅少数日期为非零值。绘图时希望：

• 仅保留非零值前后的少量零值（比如前后2天），避免显示过多无关零值
• 自动识别需要保留的日期，无需手动设置
• 隐藏无数据的空白日期间隔，让图表更紧凑

示例数据 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 生成示例序列
ser_tmp = pd.Series(0, index=pd.date_range('2020-01-01', '2020-01-30'))
ser_tmp.loc[[pd.Timestamp('2020-01-03'), pd.Timestamp('2020-01-04'), pd.Timestamp('2020-01-23'), pd.Timestamp('2020-01-24')]] = 1

解决方案 #

1. 自动筛选需要保留的日期 #

编写函数自动识别非零值位置，保留每个非零值前后指定天数的所有数据，其余零值转为NaN后删除：

def keep_around_nonzero(series, keep_days=2):
    # 获取所有非零值的索引
    nonzero_indices = series[series != 0].index
    # 初始化需要保留的索引集合
    keep_indices = set()
    
    for idx in nonzero_indices:
        # 计算当前非零值前后keep_days的日期范围
        start_date = idx - pd.Timedelta(days=keep_days)
        end_date = idx + pd.Timedelta(days=keep_days)
        # 将该范围内的所有索引加入保留集合
        keep_indices.update(series.index[(series.index >= start_date) & (series.index <= end_date)])
    
    # 复制原序列，将不在保留集合中的零值设为NaN
    processed_series = series.copy()
    processed_series.loc[(processed_series == 0) & (~processed_series.index.isin(keep_indices))] = np.nan
    # 删除NaN值，得到最终需要的序列
    processed_series = processed_series.dropna()
    
    return processed_series

# 处理序列，保留非零值前后2天的数据
ser_processed = keep_around_nonzero(ser_tmp, keep_days=2)

2. 绘制紧凑图表，隐藏空白间隔 #

直接用Pandas的plot()会默认按连续时间轴绘图，导致空白间隔仍显示。改用Matplotlib手动绘制，将x轴设为数据点的位置，刻度标签对应实际日期：

plt.figure(figsize=(10, 5))
# 绘制折线图，x轴用数据点的索引位置
plt.plot(range(len(ser_processed)), ser_processed.values, marker='o')
# 设置x轴刻度为对应的日期，旋转45度避免重叠
plt.xticks(range(len(ser_processed)), ser_processed.index.strftime('%Y-%m-%d'), rotation=45)
# 调整布局，防止标签被截断
plt.tight_layout()
plt.show()

效果说明 #

• 自动保留了非零值（2020-01-03/04、2020-01-23/24）前后2天的零值，其余零值被过滤
• 图表x轴仅显示存在数据的日期，中间的空白间隔（2020-01-06至2020-01-21）被隐藏，图表更紧凑

内容的提问来源于stack exchange，提问作者Lei Hao